Hand Grip Strength as a Predictive Tool for Upper Extremity Functionality, Balance, and Quality of Life in People With Multiple Sclerosis
Notice bibliographique
Résumé
BACKGROUND: Upper extremity strength and function are rarely assessed in routine multiple sclerosis (MS) care. This study aimed to evaluate hand muscle strength and functionality in individuals with MS and investigate correlations with upper extremity function, cognitive status, health-related quality of life (HRQOL), and balance. METHODS: A cross-sectional study was conducted with 45 consecutive individuals with MS between the ages of 18 and 65. Upper limb motor strength was evaluated using a hand grip strength dynamometer. Upper limb functional capacity was assessed using the Nine-Hole Peg Test (9HPT) and the Duruoz Hand Index (DHI). Balance, coordination, and falls were measured with the Berg Balance Scale (BBS), Falls Efficacy Scale (FES), and the 30-Second Chair Stand Test (30CST). Cognitive function was evaluated using the Montreal Cognitive Assessment instrument and the Symbol Digit Modalities Test. Level of HRQOL was assessed using the self-reported 54-item MS Quality of Life-54 questionnaire. RESULTS: Out of the 45 participants (80% women, mean age 36.6 ± 8.6 years), higher hand grip dynamometer measures were strongly correlated with better DHI, 9HPT, BBS, FES, and 30CST scores. In the regression analysis, a 1-unit increase in dynamometer measures led to a 0.383 increase in overall HRQOL score. CONCLUSIONS: This study demonstrates that increased hand grip strength (HGS) is associated with better hand functionality, balance, and HRQOL in individuals with MS. It provides evidence to support more systematic measurement of HGS in the care of people with MS.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».